在环球古生物学家的共同努力下，人们对付地层中的化石记录已经形成完善了理论与知识体系，保存在化石中的各种生命形式可以参照当代生物学的研究方法，开展形态学和系统分类学研究。

当然，化石生物与当代生物的差异也是非常明显的，比如古生物仅保存有基本的形态学信息，而缺少当代生物中易于获取的分子生物学信息。

其余，古生物在系统分类方面比当代生物更加多样，古生物中有太多类群已经完备灭绝，化石是它们曾经繁盛的唯一实证。

通过古生物学研究，我们可以理解生命的演化进程，也可以根据化石记录判断地层的地质时期、开展地层比拟，乃至赞助矿藏的勘探与开拓。

笔石（graptolite），是一类生活在寒武纪至石炭纪海洋中的浮游或拍浮型动物，目前已经完备灭绝。
笔石的化石常日保存在页岩之中，看起来就像是用笔在岩石上绘制的画迹，也恰是以这类生物被称为笔石。

笔石在世界各地均有分布，种类多样，个体一样平常是几厘米到几十厘米大小。
笔石所生活的地质时期范围相对短暂、蜕变迅速，相同或相似的物种可以在多个区域涌现，是判断地层时期、开展地层比拟的主要化石。

值得一提的是，笔石常日保存在页岩之中，这些页岩每每也是页岩气（天然气）的赋存层。
此前，中国学者创造华南不同页岩层中产出了不同的笔石物种，并将笔石物种与页岩气的赋存丰度之间建立了关联。

如果在勘探钻孔的岩心中确定了特定的笔石物种，就可轻易得到该层段页岩气的赋存丰度，进而确定是否开展进一步开拓，从而为勘探开拓节省大量本钱。
这方面的研究是根本古生物学在油气矿藏领域的主要运用之一。

随时信息时期的到来，大数据与信息技能在根本科研领域发挥着加倍广泛的运用。
近年来，古生物学与地层学这一传统学科在大数据领域取得了一定进展，但大多集中在构造化数据，比如，根据化石的产出记录来剖析古生物的多样性变革等。

对付古生物学中的非构造化数据，比如化石图像等却极少得到剖析与研究。
那么，古生物学能否与人工智能进一步结合，利用打算机对古生物进行分类与鉴定？

中国科学院南京地质古生物研究所徐洪河研究员及其团队，在近期一项研究中致力于办理这一寻衅。

图 | 徐洪河在某地质调查单位的岩心库（来源：徐洪河）

基于南京古生物所弘大的化石标本收藏，研究团队详细采集了 1500 块笔石化石标本的科学信息，拍摄了大约 5 万幅化石标本图像，并对这些图像进行像素级标注，创建了笔石化石标本科学威信数据集。

在创建笔石图像数据集时，他们还提出了化石标本元数据标准，并将数据集的规范与标准在国内外同行中进行推广。
针对化石标本的多模态数据集，徐洪河团队提出了人工智能古生物学的观点。

本次研究是打算科学、信息科学与古生物学的交叉与领悟，其研究思路与方法均为创始，并让他们得到了一项中国发明专利和一项美国发明专利。

古生归天石的识别，属于细粒度的图像识别，有别于常见的图像分类问题。
这是由于古生物本身在系统分类上存在层级构造（比如，常见的分类名：门、纲、目、科、属、种等），而且古生物在系统分类时所依据的形态特色每每非常细微，具有极高的专业性。

经由两年多的韶光，研究团队完成了数据集准备、标注、模型演习，有针对性地研发了适宜于化石图像分类的算法，将这些成果用于笔石化石识别模型之后，针对 113 种奥陶纪和志留纪主要笔石属种，所演习的模型实现了大约 86% 的识别准确率，在准确率和事情效率方面远高于一样平常的领域专家。

图｜软件所判别的热点区域与化石的主要特色具有同等性（来源：iScience）

这些研究成果可直接手事于页岩气勘探开拓的家当部门。
可以说，这个研究主题非常新颖，将最新的人工智能与深度学习算法融入传统的古生物学之中，打造了一种全新的学科交叉形式，具有极大的发展潜力。

日前，干系论文以《利用残差网络以高分类分辨率自动识别笔石》（Automated graptolite identification at high taxonomic resolution using residual networks）为题发在 iScience[1]，Zhi-Bin Niu 是第一作者，徐洪河担当共同通讯作者。

图 | 干系论文（来源：iScience）

研究过程中，他们曾与天下各地的古生物学家联系，希望能够帮忙开展人机比拟测试。
有的专家很高兴开展测试；有的专家却非常直接地谢绝，情由是人类与打算机（机器）没办法比，人类是注定失落败的。
为什么要去参加注定失落败的较劲呢？

这种说法不禁让徐洪河反思，如今很多事情都在被机器所替代，科学研究事情的前景又将如何？

他说：“人类从事科学研究是为了认识天下，机器作为一种工具能够在这方面领先人类吗？有智能机器的发明不禁让人反思，人类能认识天下的实质吗？我们是不是在作茧自缚？科学研究中创造性的方案与设计，也要被机器智能所替代吗？虽然目前没有，未来会不会发生呢？

事实上，本日我们对付自然天下的认识仍是极为有限的，在不断的研究与探索中，人类加倍认识到人类力量的微小，或许认识到这一点能让我们更加坦然吧！

正如徐洪河所言：“在古生物学中引入机器与模型，不是为了取代人类——而且这个目标也不是能够轻易实现的。
机器与模型是为了更好地赞助科研，帮忙人类创造新的科学问题，进一步推进这门学科向着更深更广而发展。
”

而对付人工智能古生物学这一全新的交叉学科来说，智能识别只是一个起步，未来还有大量事情须要开展。
古生物学中有太多专业知识都须要进一步扁平化和遍及化，才能更好地与人工智能相领悟。

目前，课题组已经在微体化石领域开展了干系事情。
未来，他们将连续结合人工智能和古生物学，研究地层中的孢粉、牙形刺等。

这些化石门类多、分布广，不仅可以进一步认识生命蜕变的谜题，也有助于开展地层判别，将古生物学与地层学的研究成果运用到油气勘探中。

参考资料：

1.Niu Z, Jia S, Xu H. 2024. Automated graptolite identification at high taxonomic resolution using residual network. iScience, 27. 108549.https://doi.org/10.1016/j.isci.2023.108549.

运营/排版：何晨龙